1 Introduction

La leçon précédente gt s’est principalement concentrée sur les composants de la table, sa structure et comment la manipuler correctement. Cette leçon, présentant la deuxième partie de la série gt, se concentrera sur l’utilisation du package pour perfectionner, styliser et personnaliser les effets visuels des tables d’une manière qui élève la qualité et l’efficacité de vos rapports.

Plongeons-y.

2 Objectifs d’apprentissage

  • Formatage des cellules

  • Coloration conditionnelle

  • Formater le texte (couleur de la police, gras, etc.)

  • Ajouter des bordures au texte

À la fin de cette leçon, vous aurez les compétences pour styliser artistiquement vos tables gt pour répondre à vos préférences spécifiques, atteignant un niveau de détail similaire à ceci :

3 Packages

Dans cette leçon, nous utiliserons les packages suivants :

  • {gt}

  • {dplyr} , {tidyr} , et {purrr}.

  • {janitor}

  • {KableExtra}

  • {Paletteer} , {ggsci}

pacman::p_load(tidyverse, janitor, gt, here)

4 Précédemment dans pt1

Dans la leçon gt précédente, nous avons eu l’opportunité de :

  • Découvrir les données sur la prévalence du VIH au Malawi.

  • Découvrir la grammaire des tables et le package gt.

  • créer une table simple.

  • Ajouter des détails comme le titre et la note de bas de page à la table.

  • Regrouper les colonnes en en-têtes.

  • Créer des lignes de résumé.

5 Jeu de données

Dans cette leçon, nous utiliserons les mêmes données que la leçon précédente. Vous pouvez revenir en arrière pour une description détaillée des données et du processus de préparation que nous avons effectué.

Voici les détails complets des colonnes que nous utiliserons :

  • region: La région géographique ou la zone où les données ont été collectées ou sont analysées.

  • period: Une période spécifique associée aux données, souvent utilisée pour l’analyse temporelle.

  • previous_negative: Le nombre d’individus avec un résultat de test négatif précédent.

  • previous_positive: Le nombre d’individus avec un résultat de test positif précédent.

  • new_negative: Le nombre de nouveaux cas diagnostiqués avec un résultat négatif.

  • new_positive: Le nombre de nouveaux cas diagnostiqués avec un résultat positif.

Mais pour les besoins de cette leçon, nous utiliserons directement les tableaux. Voici le tableau que nous avons créé avec les bonnes en-têtes et étiquettes de colonnes. Nous baserons le reste de notre leçon sur ce tableau en particulier.

hiv_malawi_summary <- read_rds(here::here("data", "clean", "malawi_hiv_summary_t3.rds"))

hiv_malawi_summary
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

6 Thèmes

Comme l’objectif de cette leçon est principalement le style, commençons par utiliser un thème prédéfini pour ajouter plus de visuels et de couleurs au tableau et à ses composants. Pour ce faire, nous utilisons la fonction opt_stylize. La fonction contient plusieurs styles prédéfinis et peut accepter une couleur également. Dans notre cas, nous avons choisi d’opter pour le style No.6 et la couleur ‘cyan’. Vous pouvez définir ces arguments selon vos préférences.

t1 <- hiv_malawi_summary %>% 
  opt_stylize(
    style = 6, 
    color = 'gray'
  )

t1
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

Pour des thèmes et des styles plus sophistiqués, vous pouvez consulter la fonction tab_options (documentation ici) qui est essentiellement l’équivalent de la fonction theme dans ggplot2. Cette fonction contient des arguments et des options pour chaque couche et composant du tableau. Pour les besoins de cette leçon, nous n’approfondirons pas.

7 Formatage des valeurs dans le tableau

Ne serait-il pas utile de visualiser en couleurs la différence entre les valeurs d’une colonne spécifique ? Dans de nombreux rapports, ces types de tableaux sont très utiles, surtout si le nombre de lignes est assez grand. Faisons cela pour notre tableau de sorte que la colonne new_positive soit formatée en rouge.

# révisé la documentation, paletteer n'est pas nécessaire.
# my_colors <- paletteer::paletteer_d("ggsci::red_material")

Nous pouvons le faire à l’aide de la fonction data_color pour laquelle nous devons spécifier deux arguments : columns (c’est-à-dire sur quelle colonne ce style sera-t-il appliqué ?) et palette pour la palette de couleurs que nous souhaitons utiliser.

t2 <- t1 %>% 
  data_color(
    columns = new_positive, # la colonne ou les colonnes comme nous le verrons plus tard
    palette = "ggsci::red_material" # la palette du package ggsci.
  )

t2
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

ggsci::red_material n’est pas la seule palette que nous pouvons utiliser, en fait, il existe des centaines de palettes conçues pour être utilisées dans R. Vous pouvez en trouver beaucoup plus dans la documentation du package paletteer ici, ou dans la documentation officielle de data_color ici.

Nous pouvons faire cela pour la colonne previous_negative également. Nous pouvons utiliser un autre type de palette, pour ce cas, j’utilise la palette verte du même package : ggsci::green_material, la palette que vous choisissez est une question de commodité et de goût personnel, vous pouvez en savoir plus à ce sujet si vous vous référez à la note de marge ci-dessus.

t2 %>% 
  data_color(
    columns = previous_negative,
    palette = "ggsci::green_material"
  )
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

De même, nous pouvons également colorer plusieurs colonnes à la fois, par exemple nous pouvons styliser les colonnes avec des cas positifs en rouge, et celles avec des cas négatifs en vert. Pour faire cela, nous devons écrire deux instructions data_color, une pour chaque style de couleur :

t4 <- t1 %>% 
  data_color(
    columns = ends_with("positive"), # sélection des colonnes se terminant par le mot positive
    palette = "ggsci::red_material" # palette rouge 
  ) %>% 
  data_color(
    columns = ends_with("negative"), # sélection des colonnes se terminant par le mot negative
    palette = "ggsci::green_material" # palette verte
  )

t4
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

Rappelez-vous, dans la leçon précédente, nous avons utilisé les fonctions tidyselect pour sélectionner des colonnes, dans le code ci-dessus, nous avons utilisé la fonction ends_with pour sélectionner les colonnes se terminant soit par le mot ‘négatif’ soit par ‘positif’, ce qui est parfait pour l’objectif de notre tableau.

De plus, les étiquettes des colonnes dans le tableau gt et les noms réels des colonnes dans le data.frame peuvent être différents, dans notre cas, nous nous référons aux noms dans les données.

8 Formatage conditionnel

Nous pouvons également configurer le tableau pour changer conditionnellement le style d’une cellule en fonction de sa valeur. Dans notre cas, nous voulons mettre en évidence les valeurs de la colonne previous_positive en fonction d’un seuil (la valeur 15700). Les valeurs supérieures ou égales au seuil devraient être en vert.

Pour ce faire, nous utilisons la fonction tab_style où nous spécifions deux arguments :

  • style : où nous spécifions la couleur dans la fonction cell_text car nous avons l’intention de manipuler le texte à l’intérieur des cellules.

  • locations : où nous spécifions les colonnes et les rangées de notre manipulation dans cells_body puisque ces cellules sont dans le corps principal du tableau.

t5 <- t4 %>% 
  tab_style(
    style = cell_text(
      color = "red", 
    ),
    locations = cells_body(
      columns = previous_positive,
      rows = previous_positive >= 15700
    )
  )
t5
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

Dans le code ci-dessus, la condition sur laquelle le style s’appliquera est déclarée dans :

locations = cells_body(columns = previous_positive, rows = previous_positive >= 15700 )

Notez également que nous pouvons passer plus d’arguments à la fonction cell_text, comme la taille et la police des cellules que nous souhaitons styler.

Et si nous voulions avoir une condition à deux côtés sur le même seuil ? Pouvons-nous avoir des cellules avec des valeurs supérieures ou égales au seuil stylisées en vert, et simultanément d’autres cellules avec des valeurs inférieures au seuil stylisées en…. lightgreen ?

Nous le pouvons absolument, nous avons déjà fait la première partie (dans le bloc de code précédent), nous devons simplement ajouter une seconde condition de manière similaire mais dans une déclaration tab_style différente :

t6 <- t5 %>%
  tab_style(
    style = cell_text(
      color = 'lightgreen'
    ),
    location = cells_body(
      columns = 'previous_positive',
      rows = previous_positive < 15700  
    )
  )

t6
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

Question 1 : Mise en forme conditionnelle Pour mettre en surbrillance (en jaune) les lignes d’un tableau gt où la colonne “hiv_positive” dépasse 1 000, quel extrait de code R devriez-vous utiliser ?

data %>%
  gt() %>%
  tab_style(
    style = cells_body(),
    columns = "Sales",
    conditions = style_number(Sales > 1000, background = "yellow")
  )
data %>%
  gt() %>%
  tab_style(
    style = cells_data(columns = "Sales"),
    conditions = style_number(Sales > 1000, background = "yellow")
  )
data %>%
  gt() %>%
  tab_style(
    style = cell_fill(
      color = "yellow"
    ),
    locations = cells_body(
      columns = "hiv_positive",
      rows = hiv_positive > 1000  
    )
  )  
data %>%
  gt() %>%
  tab_style(
    style = cells_data(columns = "Sales"),
    conditions = style_text(Sales > 1000, background = "yellow") 
  )

Question 2 : Coloration de la cellule

En utilisant la dataframe hiv_malawi, créez un tableau gt qui affiche le nombre total (somme) de cas “new_positive” pour chaque “region”. Mettez en surbrillance les cellules avec des valeurs supérieures à 50 cas en rouge et les cellules avec 50 ou moins en vert. Complétez les parties manquantes (________) de ce code pour y parvenir.

# Calculate the total_new_pos summary
total_summary <- hiv_malawi %>%
  group_by(_________) %>%
  summarize(total_new_positive = __________)

# Create a gt table and apply cell coloration  
summary_table <- total_summary %>%
  gt() %>%
  tab_style(
    style = cell_fill(color = "red"), 
    locations = _________(
      columns = "new_positive",
      rows = _________________  
    )
  ) %>%
  tab_style(
    style = ___________________,
    locations = cells_body(
      columns = "new_positive",
      _______ new_positive <= 50
    )
  )

9 Polices et texte

C’est maintenant le bon moment pour ajouter une personnalisation au texte dans le tableau. en utilisant la même fonction gt::tab_style.

Changeons la police et la couleur du titre et du sous-titre par exemple, je choisis d’utiliser la police Yanone Kaffeesatz de google. Google fonts vous fournit des centaines de milliers de polices et de styles parmi lesquels choisir, qui peuvent être plus intéressants que les polices Excel rigides et ennuyeuses.

Pour cela, nous devons spécifier quelques détails dans la fonction gt::tab_style :

  • Argument style : attribue la fonction cell_text :

    • Nous utilisons la fonction google_font pour utiliser la police choisie depuis google et l’attribuer à l’argument font

    • Nous spécifions la couleur du texte.

  • Argument locations : attribue la fonction cells_title :

    • Nous spécifions l’emplacement title et subtitle via l’argument groups dans une notation vectorielle c(...)

Notez que pour apporter des modifications à l’apparence du titre ou du sous-titre, vous pouvez simplement utiliser : locations = cells_title(groups = "title") pour appliquer des modifications au titre, ou locations = cells_title(groups = "subtitle") pour appliquer des modifications au sous-titre sans avoir besoin d’utiliser c(...).

t7 <- t6 %>%
  tab_style(
    style = cell_text(
      font = google_font(name = 'Yanone Kaffeesatz'),
      color = "pink"
    ), 
    locations = cells_title(groups = c("title", "subtitle"))
  )

t7
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

De plus, nous pouvons effectuer les mêmes changements sur les libellés de colonnes et de lignes, tout ce que nous devons faire est de spécifier correctement l’emplacement des modifications que nous souhaitons apporter, sauf que cette fois nous modifions la couleur d’arrière-plan (ou couleur de remplissage) des cellules que nous allons modifier. Nous pouvons le faire en ajoutant une autre fonction de style cell_fill où nous fournissons la couleur que nous voulons pour l’arrière-plan de nos cellules. Enfin, dans l’argument locations, et de manière similaire à l’argument style, nous attribuons une liste dans laquelle nous fournissons les informations de localisation des modifications que nous souhaitons apporter à l’aide de la fonction cells_column_labels, où nous spécifions les libellés de colonne que nous souhaitons modifier.

t8 <- t7 %>%
  tab_style(
    style = list(
      cell_text(
        font = google_font(name = "Righteous"),
        color = "pink" 
      )
    ),
    locations = list(
      cells_column_labels(columns = everything()), # select every column
      cells_column_spanners(spanners = everything()) # select all spanners
    )
  )

t8
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

De manière similaire, nous pouvons faire la même chose pour les lignes de groupe et les périodes, tout ce que nous devons faire est de les ajouter à l’argument locations en utilisant cells_rows_groups pour les lignes de groupe, et cells_body pour le reste de la colonne période comme suit :

t9 <- t8 %>%
  tab_style(
    style = list( # we wrap the arguments in a list when we have multiple stuling
      cell_text( # text styling  
        font = google_font(name = "Righteous"),
        color = "pink"
      ),
      cell_fill(color = "gray") # cell background color fill styling
    ),
    locations = list( # similar with locations
      cells_row_groups(groups = everything()),
      cells_body(columns = period) 
    )
  )

t9
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

L’idée derrière ce que nous avons fait ici est de vous donner le contrôle sur ce que VOUS voulez réaliser et non un exemple de ce que vous devez faire exactement. Il y a d’innombrables façons de personnaliser une table gt. C’est à vous de choisir ce dont vous avez besoin et ce qui fonctionne pour votre flux de travail.

Question 2: Polices et Texte Quel extrait de code R permet de changer la taille de la police du texte de bas de page dans une table gt ?

data %>% 
  gt() %>% 
  tab_header(font.size = px(16))
data %>% 
  gt() %>% 
  tab_style(
    style = cell_text(
      size = 16
    ),
    locations = cells_footnotes()
  )
 data %>% 
   gt() %>% 
   tab_style(
     style = cells_header(), 
     css = "font-size: 16px;"
   )
 data %>% 
   gt() %>% 
   tab_style(
     style = cells_header(), 
     css = "font-size: 16;"
   )

10 Bordures

Avec gt, il est également possible de dessiner des bordures dans les tables pour aider l’utilisateur final à se concentrer sur une zone spécifique de la table. Pour ajouter des bordures à une table gt, nous utiliserons, encore une fois, la fonction tab_style et, de nouveau, spécifierons l’argument style et locations. La seule différence maintenant est que nous utiliserons la fonction d’aide cell_borders et l’attribuerons à l’argument style. Voici comment :

Commençons par ajouter une ligne verticale :

t10 <- t9 %>% 
  tab_style(
    style = cell_borders( # nous ajoutons une bordure
      sides = "left",     # à gauche de l'emplacement sélectionné
      color = "pink",     # avec une couleur rose
      weight = px(5)      # et cinq pixels d'épaisseur
    ),
    locations = cells_body(columns = 2) # ajoutez cette ligne de bordure à gauche de la colonne 2
  )
t10
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

Ajoutons maintenant une autre ligne de bordure horizontale rose :

t11 <- t10 %>% 
    tab_style(
    style = cell_borders( # nous ajoutons une ligne de bordure
      sides = "bottom",   # en bas de l'emplacement sélectionné
      color = "pink",     # avec une couleur rose
      weight = px(5)      # et cinq pixels d'épaisseur
    ),
    locations = cells_column_labels(columns = everything()) # ajoutez cette ligne de bordure en bas des étiquettes de colonne
  )
  
t11
HIV Testing in Malawi
Q1 to Q2 2019
New tests Previous tests
Positive Negative Positive Negative
2019 Q1 6199 284694 14816 6595
2019 Q2 6132 282249 15101 5605
2019 Q3 5907 300529 15799 6491
2019 Q4 5646 291622 15700 6293
Source: Malawi HIV Program

Question 4 : Bordures Pour ajouter une bordure solide autour de l’ensemble du tableau gt, quel extrait de code R devriez-vous utiliser ?

Astuce : nous pouvons utiliser une fonction qui définit des options pour l’ensemble du tableau, tout comme la fonction theme pour le package ggplot.

data %>% 
  gt() %>% 
  tab_options(table.border.top.style = "solid")
data %>% 
  gt() %>% 
  tab_options(table.border.style = "solid")
data %>% 
  gt() %>% 
  tab_style(
    style = cells_table(), 
    css = "border: 1px solid black;"
  )
data %>% 
  gt() %>% 
  tab_style(
    style = cells_body(), 
    css = "border: 1px solid black;"
  )

Solutions

  1. C

# Les solutions sont là où les lignes sont numérotées

# Calculez le résumé total_new_pos
total_summary <- hiv_malawi %>%
  group_by(region) %>% ##1
  summarize(total_new_positive = new_positive) ##2 

# Créez un tableau gt et appliquez une coloration de cellule
summary_table <- total_summary %>%
  gt() %>% ##3
  tab_style(
    style = cell_fill(color = "red"),
    locations = cells_body( ##4
      columns = "new_positive",
      rows = new_positive >= 50 ##5
    )
  ) %>%
  tab_style(
    style = cell_fill(color = "green"), ##6
    locations = cells_body(
      columns = "new_positive",
      rows = new_positive < 50  ##7
    )
  )

  1. B

  2. B

Contributeurs

Les membres suivants de l’équipe ont contribué à cette leçon :

11 Ressources et packages externes